2017 年，伴隨人工智能音箱行業(yè)的火熱，基于 AI 的語(yǔ)音交互也正逐漸改變?nèi)藱C(jī)交互的方式。同時(shí)，集語(yǔ)音技術(shù)以及內(nèi)容、服務(wù)生態(tài)的語(yǔ)音平臺(tái)應(yīng)運(yùn)而生，這些語(yǔ)音平臺(tái)大多背靠互聯(lián)網(wǎng)巨頭、AI 公司，試圖發(fā)展成為「AI 時(shí)代的安卓」。

對(duì)于這些的公司而言，除了 AI 技術(shù)和內(nèi)容閉環(huán)服務(wù)打通，他們更注重將技術(shù)、應(yīng)用落地到產(chǎn)品，帶給用戶(hù)價(jià)值，這樣才能反過(guò)來(lái)促進(jìn)技術(shù)的進(jìn)步，繁榮生態(tài)。

作為國(guó)內(nèi)最繁榮的語(yǔ)音 AI 生態(tài)，百度 DuerOS 在產(chǎn)品落地方面有不少領(lǐng)先的成果。在最近由深圳灣主辦的「ON THE GO：隨行 AI 場(chǎng)景的產(chǎn)品創(chuàng)新」峰會(huì)上，來(lái)自百度智能生活事業(yè)群組的劉悅發(fā)表了主題為《百度在對(duì)話(huà)式人工智能上的創(chuàng)新探索》。

以下為演講實(shí)錄，內(nèi)容經(jīng)深圳灣整理和編輯。

人機(jī)交互發(fā)展：從人理解機(jī)器到機(jī)器理解人

每一次人機(jī)交互的迭代都在推動(dòng)著時(shí)代和產(chǎn)品的發(fā)展。

我們簡(jiǎn)單回顧一下人機(jī)交互發(fā)展經(jīng)歷的三個(gè)階段：第一階段的 PC 時(shí)代，以鼠標(biāo)和鍵盤(pán)的交互方式促進(jìn)了 PC 設(shè)備發(fā)展，相關(guān)軟件也應(yīng)運(yùn)而生。第二階段的觸屏?xí)r代，從過(guò)去的鼠標(biāo)、鍵盤(pán)到觸控手機(jī)，使得硬件的使用成本極大的降低。第三階段，也就是目前，語(yǔ)音對(duì)話(huà)的人機(jī)交互方式的發(fā)展，使得我們理解機(jī)器成本進(jìn)一步降低。

從人理解機(jī)器到機(jī)器理解人的交互方式的改變，催生了智能音箱、智能大屏設(shè)備、智能可穿戴設(shè)備、智能車(chē)載等設(shè)備的發(fā)展。

基于語(yǔ)音對(duì)話(huà)的人工智能產(chǎn)業(yè)已經(jīng)全面爆發(fā)

從國(guó)外的市場(chǎng)來(lái)看，亞馬遜 、Google、蘋(píng)果、微軟以及許多創(chuàng)業(yè)型的公司加入到這場(chǎng)智能化的變革當(dāng)中，他們的競(jìng)爭(zhēng)已經(jīng)進(jìn)入白熱化階段，并推動(dòng)整個(gè)市場(chǎng)和產(chǎn)業(yè)的發(fā)展。

回過(guò)頭來(lái)看，國(guó)內(nèi)的市場(chǎng)情況也跟國(guó)外非常像。我們預(yù)測(cè)，2020 年，對(duì)話(huà)式人工智能在各個(gè)場(chǎng)景上的滲透將大幅度增加：智能家居（上升 27%）、智能車(chē)載（上升 51%）、智能可穿戴（上升 68%）。

中國(guó)市場(chǎng)的潛力非常巨大，我們發(fā)現(xiàn)，目前有非常多的音箱、大屏設(shè)備、穿戴設(shè)備、耳機(jī)等設(shè)備都在變成一個(gè)可人機(jī)自然對(duì)話(huà)的智能設(shè)備，基于語(yǔ)音對(duì)話(huà)的人工智能產(chǎn)業(yè)已經(jīng)全面爆發(fā)。

小度自誕生以來(lái)取得的成績(jī)

百度在 2015 年的時(shí)候發(fā)布了第一款小度產(chǎn)品，從那時(shí)候我們開(kāi)始嘗試和探索如何做一款這樣的產(chǎn)品。至今，小度助手已經(jīng)成為中國(guó)市場(chǎng)最繁榮的語(yǔ)音 AI 生態(tài)。

在 2016、2017 年，我們更多的持「生態(tài)賦能」的思路，不斷跟業(yè)界的其他硬件公司合作，包括音箱企業(yè)、電視企業(yè)（TCL、創(chuàng)維等）、汽車(chē)企業(yè)、手表企業(yè)、耳機(jī)企業(yè)、手機(jī)企業(yè)等。我們把 AI 能力賦予不同場(chǎng)景下不同的硬件，讓這些硬件成為可語(yǔ)音交互的設(shè)備。

2018 年，我們統(tǒng)計(jì)了搭載小度助手設(shè)備的激活數(shù)：從年初的 5000 萬(wàn)漲到 2018 年年底的 2 億，至今這個(gè)數(shù)字還在不斷提升。當(dāng)然，激活數(shù)據(jù)并不能代表這個(gè)生態(tài)已經(jīng)達(dá)到繁榮，只能從一個(gè)側(cè)面反映了搭載的能力。而這樣的能力是否真正被用戶(hù)使用，以及用戶(hù)是否接受我們給他的新交互方式？

實(shí)際上，我們也會(huì)非常興奮地看到，從語(yǔ)音交互次數(shù)來(lái)看，用戶(hù)的接受程度也在不斷提升。從 2018 年 3 月到 2018 年年底，我們通過(guò)月語(yǔ)音交互次數(shù)的指標(biāo)來(lái)反映用戶(hù)交互頻率，從最開(kāi)始的 2 億次到達(dá)去年年底的 16 億次，這個(gè)數(shù)字至今還在持續(xù)上升，并且速度非常迅速。

從這兩方面看來(lái)，小度已經(jīng)變成了中國(guó)最繁榮的對(duì)話(huà)式人工智能平臺(tái)。

這里面有另外兩個(gè)指標(biāo)，我也想分享給大家，一個(gè)是語(yǔ)音技能數(shù)量，目前小度已經(jīng)有上千個(gè)各式各樣的語(yǔ)音技能，我們自己只能做一些頭部的技能，更多長(zhǎng)尾的技能需要開(kāi)發(fā)者不斷提供，這些技能絕大部分都來(lái)自于我們社區(qū)當(dāng)中對(duì)這方面感興趣的開(kāi)發(fā)者，使得生態(tài)變得更加健康和更加活躍。

另外，根據(jù) Strategy Analytics 的統(tǒng)計(jì)，2018 年第四季度，小度系列智能設(shè)備的出貨量提升到中國(guó)第二，增長(zhǎng)率達(dá)到了全球第一，增勢(shì)非常迅猛。從現(xiàn)在來(lái)看，小度逐漸進(jìn)入千家萬(wàn)戶(hù)，成為用戶(hù)貼心可靠的助手，這也是百度在做對(duì)話(huà)式人工智能方面的理念和終極目標(biāo)。

小度的產(chǎn)品發(fā)展經(jīng)歷

回顧一下小度的發(fā)展歷程。在 2015 年的百度世界大會(huì)上，度秘發(fā)布；2017 年推出的 DuerOS 人工智能的對(duì)話(huà)系統(tǒng)，到后來(lái)發(fā)展到了 DuerOS 2.0、3.0，期間還發(fā)布了帶屏的小度在家。2019 年 2 月，百度發(fā)布了小度電視伴侶以及小度在家 1S 這兩個(gè)產(chǎn)品。

我們經(jīng)歷了從開(kāi)始發(fā)布產(chǎn)品，到后面不斷給第三方賦能，一直到后面自研硬件，一路走下來(lái)的過(guò)程。

百度對(duì)話(huà)式人工智能的創(chuàng)新一：藍(lán)牙語(yǔ)音解決方案

接下來(lái)講一講百度在對(duì)話(huà)式人工智能所做的創(chuàng)新。除了大家熟悉的無(wú)屏音箱、帶屏智能音箱，我們還在其他方向做了探索，今天借這個(gè)機(jī)會(huì)給大家來(lái)簡(jiǎn)單分享。

第一個(gè)是藍(lán)牙設(shè)備。面對(duì)各種各樣的藍(lán)牙設(shè)備（藍(lán)牙耳機(jī)和手環(huán)等），我們萌生出了給這些藍(lán)牙設(shè)備賦能的想法——使得藍(lán)牙設(shè)備可以像 WiFi 設(shè)備一樣具備語(yǔ)音交互的能力，這是非常有意義的事情。

我們首先來(lái)看一下藍(lán)牙設(shè)備的趨勢(shì)：根據(jù) SIG 的調(diào)查，截止到 2022 年，整個(gè)藍(lán)牙設(shè)備全球鋪貨量達(dá)到 8.8 億臺(tái)。這意味著有很多藍(lán)牙設(shè)備等待著我們?nèi)ド?jí)，對(duì)話(huà)式 AI 技術(shù)將對(duì)傳統(tǒng)的藍(lán)牙市場(chǎng)帶來(lái)新的機(jī)遇。

從場(chǎng)景上來(lái)看，藍(lán)牙設(shè)備也存在許多痛點(diǎn)。我們主要總結(jié)了三個(gè)場(chǎng)景，一個(gè)是家中，一個(gè)是路上，一個(gè)是在車(chē)內(nèi)。在家中，智能音箱既支持 WiFi 又支持藍(lán)牙，可進(jìn)行語(yǔ)音交互。在路上有穿戴設(shè)備和智能耳機(jī)，蘋(píng)果前不久發(fā)布第二代 AirPods 支持了 Siri 語(yǔ)音喚醒。第三個(gè)場(chǎng)景是車(chē)內(nèi)，人在開(kāi)車(chē)的時(shí)候雙手被限制在方向盤(pán)上，這時(shí)候語(yǔ)音交互就會(huì)變成非常自然的交互方式。

基于這三個(gè)場(chǎng)景，我們?cè)趺磶椭脩?hù)提升他的體驗(yàn)，怎么幫助設(shè)備商更好地提升產(chǎn)品呢？這就是我們之前半年到一年時(shí)間探索當(dāng)中希望解決的問(wèn)題。

小度藍(lán)牙解決方案

在 2018 年 7 月的百度開(kāi)發(fā)者大會(huì)上，百度在國(guó)內(nèi)率先提出了藍(lán)牙設(shè)備的語(yǔ)音解決方案——DMA 藍(lán)牙解決方案。在 11 月的百度世界大會(huì)上，我們發(fā)布了第一款基于 DMA 藍(lán)牙協(xié)議的車(chē)載支架，這也是我們?cè)谲?chē)載場(chǎng)景上基于藍(lán)牙解決方案做的實(shí)踐產(chǎn)品。這個(gè)產(chǎn)品并不希望攪亂市場(chǎng)，我們更多是想告訴其他相關(guān)的廠商，這樣的一個(gè)方案是 work 的、是被用戶(hù)買(mǎi)賬的。

同時(shí)，因?yàn)榫τ邢蓿覀円膊幌Ｍ耆约簛?lái)做所有語(yǔ)音藍(lán)牙設(shè)備，而是希望把藍(lán)牙合作方案輸出給更多合作伙伴，讓大家打造出具備智能對(duì)話(huà)能力的藍(lán)牙設(shè)備。

而做這件事情的時(shí)候，會(huì)給廠商帶來(lái)一系列的問(wèn)題，比如：

• 用戶(hù)是否有需求？對(duì)這樣的產(chǎn)品感興趣嗎？

• 是否會(huì)增加很大的生產(chǎn)成本？

• AI 技術(shù)接入門(mén)檻高嗎？是否需要投入很多人力和周期？

• 有成型的方案幫助我們落地嗎？

• 語(yǔ)音能力、NLP 打包在方案中嗎？

• 可以給用戶(hù)提供哪些內(nèi)容資源？是否收費(fèi)？

實(shí)際中，我們對(duì)這些問(wèn)題也進(jìn)行了研究和探討：

小度的裝機(jī)量、活躍度，以及小度車(chē)載支架的熱賣(mài)，從市場(chǎng)角度印證了，用戶(hù)對(duì)這個(gè)產(chǎn)品有非常大的剛需。

產(chǎn)品的功能方面，我們?cè)谛《人{(lán)牙方案上基于不同的場(chǎng)景做深度的打磨，比如車(chē)載支架相應(yīng)的車(chē)載場(chǎng)景，剛需的內(nèi)容就包括娛樂(lè)、導(dǎo)航、接打電話(huà)，針對(duì)這些場(chǎng)景深度打磨的產(chǎn)品都會(huì)在小度 APP 上得以體現(xiàn)。

針對(duì)技術(shù)門(mén)檻，我們也做了很多優(yōu)化，提供 SDK 的開(kāi)發(fā)套件，把研發(fā)的門(mén)檻降到非常低。

DMA 整套方案是免費(fèi)的一體化解決方案，包括語(yǔ)音技術(shù)、背后的內(nèi)容資源和開(kāi)放生態(tài)，以及第三方技能。

關(guān)于小度藍(lán)牙的解決方案

接下來(lái)是具體的方案介紹，小度藍(lán)牙的解決方案主要包含兩部分，一個(gè)是小度 APP，第二個(gè)是 DMA 協(xié)議。DMA 協(xié)議的主要作用是幫助藍(lán)牙硬件和手機(jī)上的 APP 之間進(jìn)行對(duì)話(huà)式交互通訊。

通過(guò)我們提供的 DMA SDK，可以快速把 AI 移植到藍(lán)牙設(shè)備，讓數(shù)以千萬(wàn)的藍(lán)牙設(shè)備瞬間變成可以對(duì)話(huà)的人工智能設(shè)備。

當(dāng)這些藍(lán)牙設(shè)備有了語(yǔ)音交互的能力，就能夠讓用戶(hù)通過(guò)語(yǔ)音交互獲取小度云端的內(nèi)容，包括聽(tīng)音樂(lè)、有聲節(jié)目、導(dǎo)航、控制家居等等。

小度的 DMA 語(yǔ)音解決方案有效解決了經(jīng)典藍(lán)牙協(xié)議的以下痛點(diǎn)：觸碰和按鍵觸發(fā)、語(yǔ)音輸入延時(shí)明顯、APP 之間的串?dāng)_和搶占等。

DMA 解決方案的語(yǔ)音交互不需要觸發(fā)按鈕，并針對(duì)遠(yuǎn)場(chǎng)的語(yǔ)音交互做了非常多的優(yōu)化，在車(chē)內(nèi)復(fù)雜的環(huán)境下，喚醒率達(dá)到了 97% 以上；DMA 解決方案的 BLE/RFCOMM 通道和 A2DP 可以同時(shí)使用，延時(shí)從 500ms-2000ms 下降到 200ms-300ms，不影響占用錄音通道的 App。

百度對(duì)話(huà)式人工智能的創(chuàng)新二：大屏交互

今天還會(huì)跟大家分享我們另外一個(gè)在做的創(chuàng)新探索，即大屏體驗(yàn)。

「讓用戶(hù)放下遙控器」是我們做大屏探索時(shí)給自己設(shè)定的一個(gè)目標(biāo)。針對(duì)找不到遙控器、找片很費(fèi)勁、音質(zhì)不理想的幾大痛點(diǎn)，我們做了小度電視伴侶這樣一個(gè)設(shè)備，它有很好的 Hi-Fi 音質(zhì)，全語(yǔ)音遠(yuǎn)場(chǎng)交互，和全天候人工智能助手，這個(gè)產(chǎn)品最終的銷(xiāo)量也遠(yuǎn)高于我們的預(yù)期。

在小度電視伴侶，我們專(zhuān)門(mén)設(shè)計(jì)的小度智能電視 UI 可以告訴用戶(hù)，放下遙控器、試著通過(guò)語(yǔ)音來(lái)跟這個(gè)設(shè)備進(jìn)行交互；

我們還創(chuàng)造了「大屏信息流」的概念，把好的內(nèi)容通過(guò)信息流呈現(xiàn)，并通過(guò)語(yǔ)音交互做定制化的推送；

同時(shí)，這一設(shè)備的整套系統(tǒng)全面接入了小度語(yǔ)音助手，使得語(yǔ)音無(wú)處不在，它開(kāi)機(jī)時(shí)就是智能電視，關(guān)上之后就變成智能音箱，語(yǔ)音交互一直在線(xiàn)……

針對(duì)電視上 APP 應(yīng)用安裝麻煩的痛點(diǎn)，小度電視伴侶搭載了 DuerOS 的語(yǔ)音技能，不需要安裝，只需一句話(huà)就可以調(diào)用。

我們希望在后續(xù)中不斷探索人機(jī)交互，以及人工智能如何賦能不同場(chǎng)景的智能硬件，希望對(duì)話(huà)式硬件被更多人使用。